具有柔性加工路径的作业车间批量调度优化研究

古典作业车间调度问题已经被研究了几十年并证明为 NP- hard问题。柔性作业车间调度是古典作业车间调度问题的扩展 ,它允许工序可以由一个机床集合中的多台机床完成加工 ,调度的目的是将工序分配给各机床 ,并对各机床上的工序进行排序以使完成所有工序的时间最小化。本文采用遗传算法进行柔性作业车间调度研究 ,针对柔性作业车间问题提出了一种新颖直观的基因编码方法以适用于批量调度 ,并分析了几种批量调度方案 ,最后给出了这些调度的仿真结果 ,证明单件最佳调度不适合扩展成批量最佳调度     

解决无等待流水车间调度问题的离散粒子群优化算法

针对以生产周期为目标的无等待流水车间调度问题,提出了一种离散粒子群优化算法.研究了无等待流水车间调度问题的快速邻域搜索技术,并将其分别用于加强粒子、个体极值或全体极值的邻域探索能力,得到了三种改进的离散粒子群优化算法.基于典型算例的试验,表明了上述算法的有效性.     

可翻转轮式移动机器人特殊运行姿态动力学分析

以轮式移动机器人为研究目标,以适应越野路面及爬坡、翻身等特殊功能需要.给出了可翻转轮式移动机器人的系统构成与设计,重点对爬坡能力及翻转状态动力学进行了分析,给出了影响机器人最大爬坡角的相关因素,根据达朗伯原理,推导出机器人翻转动力学模型,并结合动力驱动能力进行参数对比分析,得出了机器人的倾翻复位条件.通过分析为轮式移动机器人在复杂地理环境下顺利运行,提高机器人适应性提供了理论设计依据.     

工艺计划与车间作业计划集成系统的研究

分析了现有工艺计划与车间作业计划的系统集成模型,建立了企业生产工艺计划与作业计划的层次结构,提出了面向车间作业计划的动态、分布式工艺计划与车间作业计划集成模型。将工艺计划与基于周期和事件驱动的动态作业计划相结合,把改进的离散化粒子群算法引入车间优化作业计划运算,使集成模型中生产作业计划与控制功能得以实现。实例证明了集成系统的可行性和有效性。     

基于遗传算法的多资源作业车间智能优化调度

提出一种基于遗传算法的调度算法，用于解决作业车间的加工受到机床、操作工人和机器人等多种生产资源制约条件下的优化调度。以生产周期为目标进行的优化调度，将遗传算法和分派规则相结合，通过交叉、交异等遗传操作，得到目标的最优或次优解。最后对算法进行了仿真研究，并给出了算法运行结果，仿真结果表明该算法是可行的。     

基于遗传算法的生产周期和生产费用双目标双向车间调度问题的研究

优化车间生产调度的目的不仅仅是为了缩短生产周期,更重要的是为了提高生产效率,降低生产成本。采用改进的遗传算法结合神经网络,以生产周期和生产费用为双目标,实施调度优化。编排车间作业采用两种不同的调度方法,即满足关键工件交货期的倒排法和综合考虑生产周期和生产成本的顺排法———双向双目标调度的方法。调度的策略是在确保客户交货期要求的前提下,充分利用现有资源,缩短产品生产周期、降低企业生产成本,提高企业的市场竞争力。     

基于遗传算法的模糊目标柔性作业车间调度问题

针对实际作业车间调度问题目标的多样性及其不确定性,提出了一种新的柔性作业车间调度问题模型和处理方法,并在遗传算法中加以实现。计算结果表明,该问题模型能较完整地反映生产实际中调度目标的要求。     

基于粒子群优化和模拟退火的混合调度算法

提出了一种离散粒子群调度算法，采用基于工序的编码方式及相应的位置和速度更新方法，使具有连续本质的粒子群算法直接适用于调度问题。针对粒子群算法容易陷入局部最优的缺陷，将其与模拟退火算法结合，得到了粒子群-模拟退火算法、改进的粒子群算法、粒子群-模拟退火交替算法以及粒子群-模拟退火协同算法等4种混合调度算法。仿真结果表明，混合算法均具有较高的求解质量。     

基于遗传算法的作业车间双向调度优化问题

提出了一种基于混合遗传算法的双向调度算法，用来解决以关键工件交货期和生产周期为优化目标的作业车间调度问题。在算法中，遗传算法在全局范围内搜索最优调度染色体，双向调度算法根据得到的染色体进行调度。按照订单的要求，作业车间的工件可分为两类，即关键工件和一般工件。因此，车间调度与可分为前向调度和反向调度两个步骤，对于关键工度，利用剩余的车间资源，尽可能早完工。仿真结果表明该算法是可行的，与传统的调度算法相比，其优越性是明显的。     

机器人模糊控制中模糊推理规则的建立与调整

文中针对模糊控制规则表建立与调整中的困难,借用相平面的概念,分析了模糊控制规则的语言轨迹特性,提出了建立与调整模糊控制规则表的一般原理与有效途径,并尝试用模糊联想记忆(FAM)的概念来设计模糊控制规则表